中文摘要：

统计信号处理的Monte Carlo方法是近几年信号处理和模式识别领域的一门重要的新技术，能够对非线性状态空间和具有非高斯分布的状态进行跟踪。盲信号分离是信号处理界和神经网络界共同感兴趣的最新研究热点，而盲多用户检测则是通信信号处理的研究重点之一，但当前的有关盲信号分离和盲多用户检测的研究假定线性状态空间模型，这与很多实际应用情况不相符。本项目重点研究非线性状态空间/非高斯概率密度情况下，盲信号分离和盲多用户检测的有关理论及方法，提出具有快速更新能力的盲信号分离和盲多用户检测"点式"滤波算法（基于概率密度函数点式表示的序贯Monte Carlo方法），并就算法的性能和有效性进行理论分析和实验验证。本项目将解决盲信号分离和盲多用户检测的几个重要问题，取得一批具有创新的理论研究成果。

结论摘要：

盲信号分离和盲多用户检测是信号处理界和神经网络界共同关心的前沿问题。本项目运用Monte Carlo方法并结合斜投影、聚类等统计信号处理和模式识别领域中最新的方法研究盲信号分离和盲多用户检测理论和应用中的难点问题①针对信号源数目未知情况下的瞬时盲信号分离问题，提出广义正交自然梯度算法和非监督自适应聚类算法，实现了超定、欠定和适定情况下的盲信号分离，通过推导投影的自然梯度算法克服了已有算法不能稳定收敛的缺点。②针对盲信号分离的LMS算法收敛速度与稳态性能难以兼顾的缺点，提出快速收敛的分阶段学习算法。③对卷积盲信号分离问题，提出了时域RLS算法和NPCA算法，并利用斜投影技术提出了一种新的块自适应子空间算法，这几种方法都具有较低的计算复杂度和较快的收敛速度。④通过对盲多用户检测问题的研究，提出了基于序贯Monte Carlo方法的MIMO系统接收机算法和多载波DS-CDMA系统的快速最大似然解码算法，与已有算法相比具有最优或接近最优的检测性能，并且具有较低的计算复杂度。⑤根据国内外最新研究动态，提出图像识别的迭代式投影算法和近场源距离-频率-到达角的联合估计算法，拓展相关理论的应用。